ریڈیو نیٹ ورک کے اعداد و شمار سے خرابی پکڑنا

تین طریقے

1. 1

   RAN، یعنی ریڈیو ایکسیس نیٹ ورک، وہ پرت ہے جو ٹاور، اینٹینا اور بیس بینڈ یونٹس پر مشتمل ہے اور صارف کے فون کو چھوتی ہے۔ ہر منٹ یہ ہر سیکٹر سے درجنوں KPI پیدا کرتی ہے: Drop Call Rate، Call Setup Success Rate، Handover Success Rate، RRC Connection Setup Rate، PRB استعمال، Reference Signal Received Power، throughput، latency۔ Telenor جیسے ایک پاکستانی آپریٹر کے تقریباً 12,000 سائٹس ہیں؛ ہر سائٹ پر تین سیکٹر اور درجنوں KPI کا حساب لگائیں، تو NOC اعداد میں ڈوب جاتا ہے۔ مقررہ حدود زندہ رہنے کی تدبیر ہیں، مگر یہی وہ وجہ بھی ہے جس سے اصل مسائل چھوٹ جاتے ہیں۔

2. 2

   پہلا منظر: شہر ایک جگہ نہیں۔ طارق روڈ کے سیکٹر کا مصروف گھنٹہ دوپہر کا کھانا ہے جب دفاتر فوڈ کورٹس میں ٹوٹ پڑتے ہیں۔ بحریہ ٹاؤن فیز 8 کے سیکٹر کا مصروف گھنٹہ رات 9 بجے ہے جب خاندان گھر پر ہیں۔ حیدرآباد موٹروے کے ساتھ والے سیکٹر کا مصروف گھنٹہ ٹریفک کے ساتھ بدلتا ہے۔ ایک حد تینوں کے لیے کافی نہیں۔ Anomaly detection ہر سیکٹر کا اپنا نمونہ وقت کے ساتھ سیکھتی ہے اور ذاتی معمول سے انحراف پر جھنڈا اٹھاتی ہے۔

3. 3

   دوسرا منظر: دیہات شہر نہیں۔ چولستان میں Zong کا سیکٹر جس پر چوٹی پر 30 صارف ہیں، لاہور لبرٹی کے 3,000 صارفوں والے سیکٹر کی طرح نہیں چلتا۔ دیہی سیکٹر پر 5 فیصد Drop Call Rate شاید 2 کالیں ہوں؛ شہری پر 150۔ ایک ہی فیصد بہت مختلف صارف اثر چھپاتا ہے۔ جدید anomaly ماڈل نسبتی انحراف، مطلق حجم، اور صارف کی درجہ بندی کا وزن جوڑتے ہیں تاکہ دیہی خرابی شور میں نہ کھوئے اور شہری اضافہ ہزار الارم نہ بجائے۔

کیوں؟

Claude کے ساتھ آزمائیں

AI پرامپٹ: 'میرے پاس 200 LTE سیکٹرز کے 30 دن کے گھنٹہ وار RAN KPI ہیں: DCR, CSSR, HoSR, PRB-DL, RSRP۔ ہفتے کے دن/اختتام اور پاکستانی تعطیلات کو سنبھالنے والا معمول کا ماڈل تجویز کریں، فی سیکٹر انحراف اسکور کے ساتھ۔ سب سے سادہ ماڈل بتائیں جو میں ایک GPU نوڈ پر چلا سکوں اور پہلے مہینے میں دیکھنے والی تین ناکامیاں۔' جواب کا موازنہ پچھلی RFP میں وینڈر کی تجویز سے کریں۔